Prof. Dr. Ir. ZULKIFLI ALAMSYAH, M.Sc.
PROGRAM STUDI AGRIBISNISFAKULTAS PERTANIAN UNIVERSITAS JAMBI
Maximize or MinimizeZ = f (x,y)
Subject to:g (x,y) = c
2
Mata Kuliah : RISET OPERASI (RO)
Kode / SKS Mata Kuliah : PAB361 3(3-0)
Mata kuliah ini berhubungan dengan prosespengambilan keputusan dalam pemanfaatan/pengalokasian sumberdaya daya secara optimal.Pendekatan yang digunakan dalam mencari solusiterhadap permasalahan adalah pendekatanmatematis dengan menerapkan salah satu metodeyang relevan.
Deskripsi :
Prodi Agribisnis UNJA Zulkifli Alamsyah
3
Materi yang diberikan dalam mata kuliah ini meliputi: Pengertian-pengertian dan definisi Pemodelan (modelling) Teknik penyelesaian persoalan, Interpretasi hasil/solusi terhadap persoalan.
Meskipun demikian, proporsi waktu perkuliahan akan lebih banyakdiarahkan untuk materi pemodelan.
Metode/model yang akan dibahas dalam mata kuliah ini meliputi: Linear programming, Model Transportasi, Network Model, Linear Goal Programming.
Perkuliahan dilaksanakan melalui metode perkuliahan tatap muka,latihan aplikasi software komputer, dan studi lapangan
Prodi Agribisnis UNJA Zulkifli Alamsyah
4
NO. Pokok Bahasan Sub Pokok Bahasaan EstimasiWaktu
1 Pengertian-pengertian dan Definisi dalam Riset Operasi
1. Perkembangan RO 2. Pengertian RO3. Model dalam RO4. Tahap-tahap RO5. Metode-metode RO
2 x 50 menit
2 Model Linear Programming(LP)
1. Arti dan contoh masalah 2. Perumusan model3. Penyelesaian masalah*)
a. Metode grafikb. Metode simpleksc. Aplikasi software
komputer4. Interpertasi hasil dan Analisis
sensitifitas5. Analisis dualitas &
Sensitivitas
1 x 50 menit3 x 50 menit
1 x 50 menit1 x 50 menit2 x 150 menit
1 x 50 menit
1 x 50 menit
RENCANA PERKULIAHAN
Prodi Agribisnis UNJA Zulkifli Alamsyah
5
NO. Pokok Bahasan Sub Pokok Bahasaan Estimasi Waktu
3 Model Transportasi 1. Arti dan contoh masalah 2. Perumusan model3. Penyelesaian masalah*)
a .Metode NWCb. Minimum matriksc. Metode Vogeld. Aplikasi software komputer
4. Interpretasi hasil dan Analisis sensitifitas*)
1 x 50 menit3 x 50 menit2 x 50 menit-included--included--included-1 x 150 menit2 x 50 menit
4 Network Model 1. Arti dan contoh masalah 2. Perumusan model3. Penyelesaian masalah*)
a. Shortest-routeb. Aplikasi software komputer
4. Interpretasi hasil dan Analisis sensitifitas*)
1 x 50 menit3 x 50 menit
2 x 50 menit1 x 150 menit1 x 50 menit
5 Linear Goal Programming
1. Arti dan contoh masalah 2. Perumusan model3. Penyelesaian masalah*)
a. Pembobotan dan prioritas b. Aplikasi software komputer
4. Interpretasi hasil dan Analisis sensitifitas*)
1 x 50 menit2 x 50 menit
1 x 150 menit1 x 150 menit2 x 50 menit
Prodi Agribisnis UNJA Zulkifli Alamsyah
Prodi Agribisnis UNJA Zulkifli Alamsyah6
Introduction to Operations ResearchFREDERICK S. HILLIER & GERALD J. LIEBERMAN
McGraw-Hill Higher Education, 2001.7th ed.
Prinsip-prinsip riset operasi AMINUDIN
Erlangga. Jakarta2005
Referensi:
1. Buffa, E.S. and James S. Dyer. 1981. ManagemenScience/ Operation Research: Model Formulationand Solution Methods. John Wiley & Sons. New York.
2. Levin I. R., David S. Rubin, Joel P. Stinton, andEverette S. Gardner JR. 1989. QuantitativeApproaches to Management), 7th Edition.Diterjemahkan oleh Nartanto dan diterbitkan olehRajawali Press. Jakarta.
3. Aminuddin, 2005. Prinsip-prinsip Riset Operasi.Penerbit Erlangga. Jakarta.
4. Supranto, J. 1983. Linear Programming. LembagaPenerbit Fakultas Ekonomi UI. Jakarta.
http://zalamsyah.wordpress.com7/ZA_Agb-Unja
8
Pengertian
Alasan pembentukan model
Jenis-jenis model
Penyederhanaan model
Tahap-tahap pemodelan
Prodi Agribisnis UNJA Zulkifli Alamsyah
9
Alasan pembentukan model: Menemukan variabel2 yg penting atau menonjol dalam suatu
permasalahan Penyelidikan hubungan yg ada diantara variabel-variabel
Model adalah abstraksi atau penyederhanaan realitas darisuatu sistem yg kompleks.
Model menunjukkan hubungan-hubungan (langsung atau tdklangsung) dari aksi dan reaksi dalam pengertian sebab danakibat.
Model hrs mencerminkan semua aspek realitas yg sedangditeliti.
Model adalah suatu fungsi tujuan dgn seperangkat kendalayang diekspresikan dlm bentuk variabel keputusan.
Prodi Agribisnis UNJA Zulkifli Alamsyah
10
Iconic (physical) Model. Penyajian phisik yang tampak seperti aslinya dari suatu
sistem nyata dengan skala yang berbeda. Model ini mudah untuk mengamati, membangun dan
menjelaskan tetapi sulit untuk memanipulasi dan tdk dptdigunakan untuk tujuan peramalan
Biasanya menunjukkan peristiwa statik.
Analogue Model. Lebih abstrak dari model iconic, karena tdk kelihatan sama
antara model dengan sistem nyata. Lebih mudah untuk memanipulasi dan dapat menunjukkan
situasi dinamis. Umumnya lebih berguna dari pada model iconic karena
kapasitasnya yang besar untuk menunjukkan ciri-ciri sistemnyata yang dipelajari.
Prodi Agribisnis UNJA Zulkifli Alamsyah
11
Mathematical (Simbolic) Model. Sifatnya paling abstrak. Menggunakan seperangkat simbol matematik untuk
menunjukkan komponen-komponen (dan hubungan antarmereka) dari sistem nyata.
Dibedakan menjadi:Model deterministik :
Dibentuk dalam situasi penuh kepastian (certainty) Memerlukan penyederhanaan-penyederhanaan dari
realitas karena kepastian jarang terjadi. Keuntungannya: dapat dimanipulasi dan diselesaikan lebih
mudah.Model probabilistik :
Dalam kondisi ketidak-pastian (uncertainty). Lebih sulit di analisis, meskipun representasi ketidak-
pastian dalam model dapat menghasilkan suatu penyajiansistem nyata yang lebih realistis.
Prodi Agribisnis UNJA Zulkifli Alamsyah
12
Penyederhanaan model:1. Melinierkan hubungan yang tidak linier.
2. Mengurangi banyaknya variabel atau kendala.
3. Merubah sifat variabel, misalnya dari diskrit menjadi kontinyu.
4. Mengganti tujuan ganda menjadi tujuan tunggal.
5. Mengeluarkan unsur dinamik (membuat model menjadistatik).
6. Mengasumsikan variabel random menjadi suatu nilai tunggal(deterministik).
Pembentukan model sangat esensial dalam Riset Operasi krn solusi daripendekatan ini tergantung pada ketepatan model yang dibuat.
Prodi Agribisnis UNJA Zulkifli Alamsyah
13
1. Merumuskan masalah. Merumuskan definisi persoalan secara tepat Dalam perumusan masalah ada tiga hal yang penting
diperhatikan:
Variabel keputusan; yaitu unsur-unsur dalam persoalanyang dapat dikendalikan oleh pengambil keputusan, sering disebut sebagai instrumen.
Tujuan (objective). Penetapan tujuan membantupengambil keputusan memusatkan perhatian padapersoalan dan pengaruhnya terhadap organisasi. Tujuanini diekspresikan dalam variabel keputusan.
Kendala (constraint) adalah pembatas-pembatasterhadap alternatif tindakan yang tersedia.
Prodi Agribisnis UNJA Zulkifli Alamsyah
14
2. Pembentukan Model.
Sesuai dengan definisi persoalannya, pengambilkeputusan menentukan model yang paling cocokuntuk mewakili sistem.
Model merupakan ekspresi kuantitatif dari tujuandan kendala-kendala persoalan dalam variabelkeputusan.
Jika model yang dihasilkan cocok dengan salah satumodel matematik yang biasa (misalnya linier), makasolusinya dapat dengan mudah diperoleh denganprogram linier.
Prodi Agribisnis UNJA Zulkifli Alamsyah
15
4. Mencari penyelesaian masalah Aplikasi bermacam-macam teknik dan metode solusi
kuntitatif yang merupakan bagian utama dari OR Disamping solusi terhadap model, perlu juga informasi
tambahan: Analisa Sensitivitas.
3. Validasi Model. Model harus diperiksa apakah dpt merepresentasikan
berjalannya sistem yang diwakili. Validitas model dilakukan dgn cara membandingkan
performance solusi dengan data aktual. Model dikatakan valid jika dengan kondisi input yang
serupa, dapat menghasilkan kembali performanceseperti kondisi aktual.
Prodi Agribisnis UNJA Zulkifli Alamsyah
Top Related